嗯 感谢回复； 1.1 字典中的键值可以参考onnx模型转换时的打印 1.2 设备端是一层层推理，可以打印出来，pc端的仿真以及onnx的模型每层输出打印还不太清楚怎么弄，有简单的方法麻烦告知下 2.2 int8的per-channel和per-tensor，理论上来讲per-channel的精度会高，但是实际上设备端和pc端的仿真整个模型运行下来都是per-tensor要高，其中第一层使用per-channel对精度影响很大；pc上per-channel的仿真把相应的键值input.4/QACC_shift1:0加进去可以运行，结果也是per-tensor要高，这个麻烦确认下，是我的模型问题...

您好， 一 试着将模型进行了esp-dl上int16和int8的量化，并在测试数据集上进行精度评估，其中int16的模型精度基本没有下降，但是int8的模型评估精度下降了很多，目前正在尝试修改Calibrator.set_method中的参数，与此同时有几个问题： 1.1 calibrator生成的model_calib.pickle文件，通过打印看到它是一个字典，关于其中的键值有没有相关的文档 1.2 eval.evalute_quantized_model 能否输出每一层的量化输出，而不只是最后一层，否则只能通过一次次的删除onnx模型后面的部分达到目的，太过麻烦 1.3 是否有pc端的e...

您好，看了关于手势识别的例子，其实现了自动编写部署所需要的name_model.hpp和app_main.cpp，以及其他相关文件。
关于量化的部分，里面还是调用了esp-dl中提供的calibrator.pyd进行的量化，模型文件所对应的cpp和hpp并没有修改，也有可能是我没有看仔细。目前还没有进行到需要自定义层的量化，后续有需要我再在论坛提问。
感谢快速的回复！

感谢这么快的回复！
自定义层支持量化，这部分的说明和示例在哪里？在esp-dl中没有找到，感谢！

量化工具包中的校准器是以库的形式提供的，其中如果自定义层不支持，可以怎么操作？如果不能量化，给出的自定义层的实现：implement_custom_layer，具体用途是什么？期待回复！